读《神经网络与深度学习》后感

初读此文，我想计算机也会有人的神经网络，也会有学习吗？在阅读了此书前言后，我的看法是，计算机的神经网络也类似于人，有很多神经元组成，而这些神经元全为感知器。。

⽬前为⽌，我们讨论的神经⽹络，都是以上⼀层的输出作为下⼀层的输⼊。这种⽹络被称为

前馈神经⽹络。这意味着⽹络中是没有回路的 —— 信息总是向前传播，从不反向回馈。

那深度学习又是什么呢？深度学习，是机器学习中一种基于对数据进行表征学习的方法，概念源于人工神经网络的研究，由Hinton等人于2006年提出。 其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，含多隐层的多层感知器就是一种深度学习结构。 深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。